生成モデルを中心としたAI創薬最前線 / Elix CBI 2019Active Learning via Incremental Revelation: Dipeptidyl Peptidase-4 Inhibitors Case Study, Elix, CBI 2022
Googleのコンピューター科学者はなぜ我が子をオープンソース化したのか？
コンピュータープログラムのソースコードを広く一般に公開し、誰でも自由に使えるようにするオープンソースは技術の発展に役立つとしてGoogleが支持するもの。Googleで出会ったという2人のコンピューター科学者は自分たちの赤ちゃんをオープンソース化したことを発表しており、その理由についてブログサービス「Medium」でつづっています。 Saving Lydia: Why I’m Open Sourcing My Baby To Save Her and Millions of Others https://medium.com/lydian-accelerator/saving-lydia-62a1c0bdf0fb ローハン＆ジェン夫妻は出身国は違えど共にコンピューター科学を学んだというバックグラウンドを持ち、Googleで出会ったことから結婚し、リディア・ニルジェンという名の娘を授かりまし
化学、生物学分野のための深層学習ライブラリChainer Chemistry公開 | Preferred Research
* English blog is also written here. Chainer [1]を使った、化学、生物学分野のための深層学習ライブラリ Chainer Chemistry を公開しました。 Github page: https://github.com/pfnet-research/chainer-chemistry Documentation: https://chainer-chemistry.readthedocs.io 本ライブラリにより、分子構造に対して簡単に深層学習（Deep learning）を適用することができるようになります。 例えば、化合物の分子構造を入力とした毒性の予測や、HOMO(最高被占軌道)レベルの回帰予測など、様々な化学的性質の予測に深層学習を適用することができます。 なお本ライブラリの開発にあたっては、PFN2017夏インターンシップに参加した
IPAB2017 深層学習を使った新薬の探索から創造へ
2. 今⽇日のアジェンダ l 背景 ̶— これまでのディーラーニングと創薬 l 創薬向け、ライフサイエンス向けの深層学習の進化 ̶— 新NP問題に対する学習⼿手法 ̶— ⽣生成モデルによる表現学習 ̶— 化合物の特徴学習 l アプリケーション例例 ̶— QSAR, 材料料設計, 性質予測 ̶— シミュレーション ̶— 化合物の再合成の探索索 3. 会社紹介：Preferred Networks (PFN) l IoT時代に合わせた分散知能を備えた新しいコンピュータを創造する l 2014年年3⽉月創業 l 東京オフィス, シリコンバレーオフィス l 従業員：約60⼈人 殆どが研究者、エンジニア l 主な出資者 FANUC, Toyota, NTT 3 We are hiring!! 4. ディープラーニング（深層学習）とは l 層が深く、幅も広いニューラルネット
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
